7月23日，在封閉高速路段上，懂車帝對36款“智駕”車型進行了多個特殊場景測試，包括“高速施工”、“匝道遭遇野蠻加塞”、“橫穿的豬”等，毫無意外，這都屬于長尾場景。雖然關(guān)于豬的測試通過率最低（竄入高速的豬是典型的“非結(jié)構(gòu)化”對象，通常沒可能訓(xùn)練到），但“消失的前車”引發(fā)共鳴最多。大概因為這種場景很多人經(jīng)歷過，因為驚險，所以印象深刻。

AEB與高速NCA的沖突

按照懂車帝的設(shè)定，測試車（以下稱“本車”）以時速120 km/h跟隨前車行駛，前車突然向左變道躲避本車道事故車，猝不及防的本車，需要在極短時間內(nèi)完成感知-決策-執(zhí)行閉環(huán)。36輛車，只有5輛車成功做出了規(guī)避動作。

這一測試，當(dāng)然是不嚴謹?shù)摹驗槊枯v車面臨的場景條件變量不一致。有的車測試時左車道是空的（后車稍遠），有規(guī)避空間；有的車面臨左道被占，很難繞行。這就造成了結(jié)果可信性不高。盡管如此，結(jié)果仍然有一定參考價值。就像懂車帝自己說的，重要的不是第幾，而是人是否安全。

“消失的前車”，場景設(shè)置非常有技巧，它恰好擊中了智駕系統(tǒng)薄弱的結(jié)合部——AEB（自動緊急制動）和高速NCA（導(dǎo)航輔助駕駛）的沖突問題，不管品牌方是否將兩個功能融合在一起。

在感知層，本車需要識別左側(cè)車流與突然出現(xiàn)的前方靜止障礙的雙重威脅；決策層需要做出決定，變?nèi)胱蟮儡嚵骺諜n內(nèi)，還是強力制動；執(zhí)行層則需要AEB和NCA協(xié)同。

實際測試中，多車出現(xiàn)嚴重失誤。懂車帝也出來解釋說，很多車型在AEB被觸發(fā)后，NCA功能被抑制，導(dǎo)致車輛硬剎，結(jié)果是制動距離不夠，仍然撞上障礙物。這還算好的，更多的車型根本沒有識別最大的威脅——本車道前方靜止障礙，導(dǎo)致一頭撞上去。減速很少或者壓根沒有減速。

無論AEB還是NCA，感知層不管有多少個傳感器源，都是同一組。而決策層則有兩個模塊，而且不能同時主導(dǎo)。不過，這只是表面上的模塊沖突導(dǎo)致決策非最優(yōu)。

靜態(tài)決策導(dǎo)致孤立響應(yīng)

當(dāng)前主流智駕普遍采用端到端架構(gòu)。端到端的設(shè)計思想，就是將傳感器輸入通過神經(jīng)網(wǎng)絡(luò)，直接映射為駕駛控制信號，減少中間模塊誤差傳遞的影響，也避免規(guī)控模式覆蓋空白導(dǎo)致系統(tǒng)失能。

人類熟練駕駛，即便面對極端場景，基本都是下意識反應(yīng)，這和端到端思路有共同之處。但差別在于，即便電光火石間，人類駕駛員做出決策，也是依據(jù)“連續(xù)時幀”畫面做出決斷，而非單純依靠一個畫面做出。前者意味著即便做出決斷，隨著時間流逝發(fā)現(xiàn)新的、更嚴重威脅，也能及時矯正，采取新對策（是否成功另說）。

而很多端到端模型采取靜態(tài)數(shù)據(jù)輸入（單幀畫面或者短時間窗口），忽視駕駛行為本質(zhì)上是一個強時序相關(guān)的連續(xù)決策過程。缺乏時序建模，導(dǎo)致一些需要隨機應(yīng)變的場景中，智駕系統(tǒng)表現(xiàn)出呆板、控制漂移、變線失穩(wěn)等。

在“消失的前車”場景中，前車緊急剎車-躲避障礙-左道車（如果有理智的話）剎車讓行等行為，站在本車觀察角度，形成了復(fù)雜的“信號鏈”。本車根據(jù)這些時序信號，也應(yīng)該形成一個策略序列，而不是孤立的一個策略。智駕有時顯得很傻，道理就在這，即靜態(tài)決策必然導(dǎo)致孤立響應(yīng)。

智駕判斷缺乏隨機應(yīng)變性，有時候就顯得很傻

更復(fù)雜的是，其他交通參與者給出的信號，往往具有多義性。同一個駕駛員即便面對非常類似的場景，也可能采取不同策略，均為合理行為。但如果這些行為都作為數(shù)據(jù)輸入，容易模型學(xué)習(xí)方向不確定，訓(xùn)練震蕩。如果多個駕駛員處理類似場景風(fēng)格不同，模型學(xué)習(xí)到的控制行為，可能飄忽不定。最終在高壓場景（比如本文需要極短時間內(nèi)決斷的場景）下，“既不充分制動也不果斷變道”的折衷決策，貌似溫和，其實是最壞的選擇。

端到端架構(gòu)中，前幀感知偏差（如誤判左側(cè)車流速度）會通過Transformer等序列網(wǎng)絡(luò)不斷放大。測試中車輛向左變道時軌跡線突然消失，正是時序誤差累積的典型表現(xiàn)。

為什么不用“長時幀”

如果簡單認為，采用連續(xù)幀訓(xùn)練就能解決此類困境，可能有點天真了。要考慮為什么不傾向于用長時間連續(xù)幀訓(xùn)練。

第一個理由，容易跳幀。如果連續(xù)幀間的目標(biāo)ID、軌跡或意圖標(biāo)注不一致，會導(dǎo)致模型誤認為是兩個完全不同的事件，進一步削弱其對跨幀語義的建模能力。簡單說，就是系統(tǒng)認為這是兩個完全風(fēng)馬牛的事，導(dǎo)致同一目標(biāo)在兩幀中出現(xiàn)“跳幀”、“漂移”甚至“消失”，這可真成了“消失的前車”了。

連續(xù)幀不僅記錄時空變化，更為關(guān)鍵的是提供了其他交通參與者的真實意圖。人類司機不也是靠著連續(xù)觀察，判斷旁道車輛到底想直接加塞，還是想讓行后再加入進來——對行人意圖的判斷更是如此（因為其沒有轉(zhuǎn)向指示燈）。

優(yōu)化后的標(biāo)識呈現(xiàn)

個別端到端系統(tǒng)，和人類判斷的方式差不多，也將行為意圖作為顯式標(biāo)識，通過多目標(biāo)軌跡回歸進行建模。前提是需要在一定時序內(nèi)創(chuàng)建客體（其他車或行人）ID一致性標(biāo)簽。防止跳幀、丟失客體觀察。

這就引出了第二個理由，成本問題。長時幀的標(biāo)注和ID標(biāo)簽訓(xùn)練成本太高了，大家都鼓吹無/輕標(biāo)注和無監(jiān)督學(xué)習(xí)，這讓靜止幀訓(xùn)練成了現(xiàn)實選擇。

長序列不僅要求高質(zhì)量時空數(shù)據(jù)樣本，還依賴強化標(biāo)注，大大擴張了數(shù)據(jù)量。對大模型和轉(zhuǎn)移之后的車端小模型構(gòu)成更多算力壓力。很多品牌已經(jīng)注意到連續(xù)行為數(shù)據(jù)的采集、標(biāo)注與利用。但從這次懂車帝測試情況來看，成果尚未反映到模型訓(xùn)練和轉(zhuǎn)移。

不過，目前業(yè)內(nèi)多品牌的端到端系統(tǒng)，比以前更重視“連續(xù)語義行為”的訓(xùn)練，盡量模擬人類隨著時序所做的連續(xù)決策與執(zhí)行。目標(biāo)是讓系統(tǒng)變得更穩(wěn)健可信，構(gòu)建有清晰合理責(zé)任邊界的系統(tǒng)，而不是到關(guān)鍵時刻自己掉鏈子要求接管的甩鍋系統(tǒng)。

我們應(yīng)該相信，隨著技術(shù)發(fā)展，智駕將越來越理智，并最終接管人類駕駛。在此之前，還是要謹慎宣傳，避免誤導(dǎo)公眾。

注:圖片部分來源網(wǎng)絡(luò)，如有侵權(quán)，聯(lián)系刪除。

克服AI幻覺？也許在開智駕倒車

2025過半，整車市場終局的端倪

小鵬與華為合作，產(chǎn)業(yè)新動向